class: center, middle, inverse, title-slide .title[ # Dashboard interactif : Analyse Drogues & Psychologie ] .subtitle[ ## Explorer les liens entre traits de personnalité et consommation de substances ] .author[ ### Romain Jazzar, Lisa Crebassa, Mohammed Zelmati ] .date[ ### 15 Juin 2025 ] --- class: inverse, center, middle # Dashboard Interactif ## Analyse Drogues & Psychologie ### Explorer la relation entre les traits de personnalité et les schémas de consommation de substances Conçu avec **R Shiny**, **ggplot2**, **DT**, et **dplyr** --- # Vue d'ensemble du projet .pull-left[ **Objectif** : Créer un outil interactif permettant d'explorer les relations entre : - Les traits de personnalité psychologique - Les comportements de consommation - Les facteurs démographiques **Utilisateurs cibles** : - Chercheurs en psychologie et santé publique - Professionnels de santé - Décideurs et acteurs de prévention - Étudiants en sciences humaines ] .pull-right[ **Fonctionnalités clés** : - Filtres et visualisations dynamiques - Exploration multidimensionnelle - Résumés statistiques et corrélations - Export des données pour analyses externes - Interface accessible à tous les publics **Impact recherché** : - Démocratiser l'accès aux données psychologiques - Faciliter la prise de décision basée sur l'évidence - Soutenir la prévention personnalisée ] --- # Fondations des données .pull-left[ **Source** : UCI Drug Consumption Dataset - **Taille** : 1 854 individus - **Variables** : 32 colonnes - **Données** : personnalité et consommation détaillées **Qualité des données** : - Filtrage Z-score appliqué (|z| > 3 retirés) - Scores standardisés - Catégories de consommation validées ] .pull-right[ **Catégories de variables** : 🧠**Traits de personnalité** (7 indicateurs) - Big Five, impulsivité et recherche de sensations 💊 **Substances** (18 types) - Légales : alcool, nicotine, caféine - Illégales : cannabis, cocaïne, héroïne, etc. 👤 **Démographie** - Âge, genre, éducation - Pays et ethnie ] --- # Définition des traits de personnalité <style> .small-table table { font-size: 14px; } </style> .small-table[ | Trait | Nom complet | Signification psychologique | |-------|-------------|------------------------------| | **Nscore** | Névrosisme | Instabilité émotionnelle, anxiété, réactivité au stress | | **Escore** | Extraversion | Engagement social, énergie, émotions positives | | **Oscore** | Ouverture | Curiosité, créativité, ouverture aux expériences | | **AScore** | Agréabilité | Coopération, empathie, altruisme | | **Cscore** | Conscience | Organisation, discipline, contrôle de soi | | **Impulsive** | Impulsivité | Réactions spontanées, difficulté à différer | | **SS** | Recherche de sensations | Besoin de nouveauté et de stimulation intense | ] **Intérêt clinique** : Ces traits sont des prédicteurs avérés des comportements à risque et des résultats thérapeutiques en addictologie. --- # Interprétation de l'échelle de consommation Le dataset utilise une échelle ordinale à 7 points (CL0-CL6) représentant la **récence d'usage** : .pull-left[ | Code | Dernière consommation | |------|------------------------| | **CL0** | Jamais utilisé | | **CL1** | Il y a plus de 10 ans | | **CL2** | Il y a plusieurs années | | **CL3** | Il y a quelques mois | ] .pull-right[ | Code | Dernière consommation | |------|------------------------| | **CL4** | Il y a quelques semaines | | **CL5** | Il y a quelques jours | | **CL6** | Aujourd'hui ou presque | ] **Utilité analytique** : Cette échelle capture à la fois les patterns d'expérimentation (CL1-CL3) et les comportements d'usage actif (CL4-CL6), permettant une analyse nuancée des trajectoires de consommation. --- # Architecture du Dashboard <img src="screenshot_dashboard_overview.jpg" width="85%" style="display: block; margin: auto;" /> **Design interactif** : - **Panneau gauche** : Contrôles de filtrage dynamique (substances, traits, démographie) - **Panneau droit** : Cinq perspectives analytiques avec mise à jour temps réel - **Layout réactif** : S'adapte aux sélections utilisateurs pour une analyse ciblée --- # Navigation dans le Dashboard Le dashboard propose **5 onglets d'analyse complémentaires** : .pull-left[ **1. Consumption** - Distribution par substance - Visualisation fréquence et récence - Patterns d'usage populationnel **2. Trait de personnalité** - Distribution des scores dans l'échantillon - Profils psychologiques de la population - Interprétation des scores standardisés ] .pull-right[ **3. Correlation** - Cartographie des relations traits-substances - Visualisations en nuages de points - Outils d'identification de patterns **4. Statistical summary** - Statistiques descriptives par sélection - Capacités d'analyse comparative **5. Raw data table** - Exploration du dataset filtré - Fonctionnalités d'export pour la recherche ] --- # Onglet Consumption : Cas de l'alcool <img src="screenshot_alcool.jpg" width="75%" style="display: block; margin: auto;" /> **Observations clés** : - Forte concentration en **CL5-CL6** (usage récent/actuel) - Reflet du statut légal et de l'acceptabilité sociale de l'alcool - Pattern typique des substances légales dans les sociétés occidentales --- # Analyse approfondie : Consommation d'alcool **Implications psychologiques** : - La normalisation sociale masque les risques de dépendance - Les profils **haute extraversion + faible conscience** montrent plus d'usage régulier - Corrélation positive avec la **recherche de sensations** dans les contextes sociaux **Applications santé publique** : - **Baseline de référence** pour comparer aux substances contrôlées - Identification des **seuils problématiques** (passage de CL3 à CL5+) - **Prévention ciblée** : focus sur les jeunes adultes extravertis **Hypothèse de recherche** : L'alcool sert de "substance passerelle" vers d'autres comportements à risque chez les profils impulsifs. --- # Onglet Consumption : Cas du crack <img src="screenshot_crack.jpg" width="75%" style="display: block; margin: auto;" /> **Observations clés** : - Majorité écrasante en **CL0** (jamais utilisé) - Très faible consommation active (CL4-CL6) - Pattern de forte aversion naturelle au risque --- # Analyse approfondie : Consommation de crack **Corrélations personnalité** : - Les rares utilisateurs montrent des scores **très élevés** en impulsivité et recherche de sensations - Profils souvent associés à un **névrosisme élevé** (automédication) - **Faible conscienciosité** = facteur de risque majeur **Impact des politiques publiques** : - **Réduction des risques efficace** : les campagnes de sensibilisation fonctionnent - **Barrières à l'entrée** : stigmatisation sociale protectrice - **Population à risque identifiable** : profils psychologiques spécifiques **Insight stratégique** : Concentrer les ressources sur les **profils extrêmes** (impulsivité + sensation seeking élevées) plutôt que sur la population générale. --- # Onglet Trait de personnalité : Distributions <img src="screenshot_traits.jpg" width="75%" style="display: block; margin: auto;" /> **Qualité statistique** : - Scores centrés sur 0 → normalisation confirmée - Distributions quasi-normales → validité des échelles psychométriques - Variabilité suffisante pour les analyses corrélationnelles --- # Analyse des profils psychologiques **Patterns observés dans les distributions** : - **Névrosisme** : distribution légèrement décalée vers les valeurs positives → échantillon plus anxieux que la moyenne - **Extraversion** : répartition équilibrée → représentativité populationnelle - **Impulsivité** : queue de distribution importante → sous-groupe à haut risque identifiable **Applications cliniques** : - **Dépistage précoce** : scores > +2 SD nécessitent une attention particulière - **Prédiction comportementale** : combinaisons de traits permettent de prévoir les risques - **Personnalisation thérapeutique** : adapter les interventions selon les profils **Découverte majeure** : Les **interactions entre traits** (ex: névrosisme × impulsivité) sont plus prédictives que les scores individuels. --- # Onglet Correlation : Vue d'ensemble <img src="screenshot_correlation_multiple.jpg" width="80%" style="display: block; margin: auto;" /> **Approche analytique** : - Nuages de points multiples entre traits et substances - Identification visuelle des **clusters à risque** - Détection des **profils atypiques** (outliers) --- # Insights des corrélations multiples **Patterns émergents identifiés** : - **Impulsivité élevée** + consommation récente = cluster de risque majeur - **Recherche de sensations** corrèle positivement avec **polyconsommation** - **Conscienciosité élevée** = facteur protecteur universel **Applications pratiques** : - **Scoring de risque** : algorithmes basés sur les combinations de traits - **Intervention précoce** : cibler les individus dans les zones à haut risque - **Prédiction rechute** : profils psychologiques comme indicateurs pronostiques **Innovation méthodologique** : Cette approche **multivariée simultanée** révèle des interactions invisibles dans les analyses bivariées traditionnelles. --- # Onglet Statistical summary : Métriques <img src="screenshot_statistiques.jpg" width="80%" style="display: block; margin: auto;" /> **Métriques disponibles** : - Statistiques descriptives complètes (moyennes, médianes, quartiles) - Comptages et pourcentages par classe de consommation - Mise à jour dynamique selon les filtres actifs --- # Utilité des résumés statistiques **Applications recherche** : - **Validation d'hypothèses** : vérification rapide des distributions attendues - **Détection d'anomalies** : identification des biais dans les sous-échantillons - **Comparaisons inter-groupes** : différences statistiquement significatives **Valeur pédagogique** : - **Apprentissage statistique** : visualisation immédiate de l'impact des filtres - **Littératie des données** : compréhension intuitive des métriques descriptives - **Formation pratique** : passage de l'exploration à l'interprétation formelle **Innovation dashboard** : Les statistiques se **recalculent instantanément** selon les sélections, permettant une exploration guidée et une validation continue des observations visuelles. --- # Onglet Raw data table : Exploration <img src="screenshot_tableau.jpg" width="80%" style="display: block; margin: auto;" /> **Fonctionnalités interactives** : - Tri par colonnes pour identifier les patterns - Recherche textuelle pour cas spécifiques - Export pour analyses externes approfondies --- # Workflow de recherche intégré **Pipeline méthodologique** : 1. **Exploration visuelle** → identification des patterns intéressants 2. **Filtrage ciblé** → isolation des sous-populations 3. **Validation statistique** → confirmation quantitative des observations 4. **Export données** → analyses externes (R, Python, SPSS) **Avantages compétitifs** : - **Reproductibilité** : filtres documentent automatiquement les critères de sélection - **Collaboration** : partage facile des sous-échantillons d'intérêt - **Publication** : données filtrées prêtes pour analyses statistiques formelles **Impact méthodologique** : Ce dashboard transforme l'**exploration exploratoire** en **démarche scientifique structurée** tout en conservant la flexibilité créative. --- # Filtrage avancé : Femmes 25-34 ans <img src="screenshot_filtre_actif.jpg" width="75%" style="display: block; margin: auto;" /> **Segmentation démographique** : - Analyse ciblée sur un groupe homogène - Adaptation instantanée de toutes les visualisations - Révélation de patterns spécifiques au segment --- # Analyse segmentée : Insights spécifiques **Découvertes sur les femmes 25-34 ans** : - **Consommation d'alcool** : pattern plus social, moins solitaire - **Substances illégales** : corrélation plus forte avec le stress professionnel - **Traits protecteurs** : conscienciosité plus élevée en moyenne **Applications stratégiques** : - **Marketing social** : messages de prévention adaptés par démographie - **Politique publique** : ressources allouées selon les besoins spécifiques - **Recherche clinique** : stratification pour essais contrôlés **Méthodologie innovante** : Le filtrage **interactif temps réel** permet de tester instantanément des hypothèses sur des sous-groupes, accélérant drastiquement le processus de découverte scientifique. --- # Applications concrètes par secteur .pull-left[ **Psychologie clinique** : - Évaluation des risques : scores de personnalité → prédiction comportementale - Suivi thérapeutique : monitoring évolution traits + consommation - Outils diagnostiques : aide à la décision clinique **Santé publique** : - Veille épidémiologique : détection précoce des tendances - Planification préventive : allocation ressources basée sur données - Évaluation d'impact : mesure efficacité des campagnes ] .pull-right[ **Recherche académique** : - Génération d'hypothèses : exploration guidée par visualisations - Analyses préliminaires : validation rapide avant études formelles - Pédagogie interactive : enseignement statistiques appliquées **Décision publique** : - Politiques basées sur preuves : argumentation chiffrée - Réduction des risques : stratégies ciblées par profil - Optimisation budgétaire : ROI des interventions préventives ] --- # Architecture technique et performance **Stack technologique** : - **R Shiny** : framework d'applications web interactives - **ggplot2** : visualisations statistiques avancées - **DT** : tableaux interactifs avec fonctionnalités de tri/recherche - **dplyr** : manipulation efficace de données **Caractéristiques techniques** : - **Programmation réactive** : mises à jour instantanées des visualisations - **Design responsive** : adaptation automatique aux différents écrans - **Architecture optimisée** : performance fluide avec 1 854 observations × 32 variables - **Sécurité données** : hébergement sécurisé sur shinyapps.io **Innovation technique** : Intégration harmonieuse de multiples packages R dans une interface utilisateur unifiée et intuitive. --- # Roadmap et améliorations futures .pull-left[ **Extensions statistiques** : - Tests de significativité : corrélations, ANOVA, régression - Modélisation prédictive : machine learning intégré - Analyses longitudinales : suivi temporel des patterns **Connectivité avancée** : - APIs de données : intégration bases externes - Exports automatisés : rapports PDF programmés - Synchronisation cloud : sauvegarde analyses utilisateur ] .pull-right[ **Expérience utilisateur** : - Version mobile native : application iOS/Android - Tutoriels intégrés : parcours d'apprentissage guidé - Collaboration : partage d'analyses entre utilisateurs **Intelligence artificielle** : - Détection automatique : alertes sur patterns anormaux - Recommandations : suggestions d'analyses pertinentes - NLP intégré : requêtes en langage naturel ] --- # Impact et validation du projet **Excellence technique démontrée** : - **Architecture professionnelle** : standards industriels respectés - **Performance optimisée** : réactivité fluide sur dataset complexe - **Design UX** : interface intuitive pour utilisateurs non-techniques **Contribution scientifique** : - **Démocratisation** : accès simplifié aux analyses psychométriques complexes - **Méthodologie** : template reproductible pour projets similaires - **Pédagogie** : outil d'enseignement des statistiques appliquées **Retombées sociétales** : - **Santé publique** : meilleur ciblage des interventions préventives - **Formation** : nouvelle génération de data scientists sensibilisés - **Recherche** : accélération découvertes par exploration interactive --- class: inverse, center, middle # Démonstration en direct ## Accédez au dashboard interactif : ### 🔗 [romainjazzar.shinyapps.io/Rstudio_drug_analysis_psychology_datasets](https://romainjazzar.shinyapps.io/Rstudio_drug_analysis_psychology_datasets/) **Testez les fonctionnalités** : filtres, corrélations, exports --- class: center, middle # Merci pour votre attention ! ## Équipe de développement **Romain Jazzar** • **Lisa Crebassa** • **Mohammed Zelmati** *La Plateforme — Promotion 2025* --- class: center, middle ### Questions & Discussion **Cette réalisation illustre la puissance de R Shiny pour transformer des analyses psychologiques complexes en outils interactifs accessibles et actionnables.** *L'avenir de la data science : rendre les insights exploitables par tous les acteurs de terrain.*